#computer-vision Repositórios
1,451 repositórios no total
projectaria_tools é um kit de ferramentas de código aberto C++/Python para interagir com dados do Project Aria.
Código para "PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation" CVPR 2019 oral
Trabalhos recentes de CV baseados em LLM e projetos relacionados. Comentários/contribuições são bem-vindos!
Framework de Visão Computacional e Análise de Vídeo em Python com Baterias Incluídas
Um Framework de Visão Computacional Agnóstico - Conectável a qualquer Biblioteca de Treinamento: Fastai, Pytorch-Lightning com mais por vir
[CVPR 2025] A Primeira Investigação de Raciocínio CoT (RL, TTS, Reflexão) na Geração de Imagens
[TMLR 2025] Thera: Super-Resolução de Escala Arbitrária Livre de Aliasing com Campos de Calor Neurais
[NeurIPS 2023] Implementação oficial do artigo "Motion-X: Um Conjunto de Dados de Movimento Humano de Corpo Inteiro Expressivo 3D em Larga Escala"
⚡ Um algoritmo de detecção de alvos sem âncoras (anchor-free) ultraleve recém-projetado, com apenas 250 mil parâmetros, reduz o tempo de processamento em 10% em comparação com o yolo-fastest, e o pós-processamento é mais simples.
(ACM TOMM) Este é o repositório oficial de código para "VM-UNet: Vision Mamba UNet para Segmentação de Imagens Médicas".
Este é um pacote completo de métodos recentes de aprendizado profundo para nuvens de pontos 3D em pytorch (com modelos pré-treinados).
YoloDotNet - Um projeto C# .NET 8.0 para Classificação, Detecção de Objetos, Detecção OBB, Segmentação e Estimativa de Posição tanto em imagens quanto em transmissões de vídeo ao vivo.
Implementação oficial do PyTorch para "Abordagem Top-down ciente da distância da câmera para estimativa de pose 3D multipessoa a partir de uma única imagem RGB", ICCV 2019
Este repositório contém um projeto abrangente de visão computacional/aprendizado de máquina focado em futebol, que utiliza YOLO para detecção de objetos, K-means para segmentação de pixels, fluxo óptico para rastreamento de movimento e transformação de perspectiva para analisar os movimentos dos jogadores em vídeos de futebol.
O programa de treinamento para libfacedetection para detecção de rostos e detecção de 5 pontos de referência.
[CVPR 2024] Repositório oficial para "Gaussian Head Avatar: Ultra High-fidelity Head Avatar via Dynamic Gaussians"
Do Grosso ao Fino: Localização Hierárquica Robusta em Grande Escala com HF-Net (https://arxiv.org/abs/1812.03506)
Latent Bridge Matching para tradução rápida de imagem para imagem (Destaque do ICCV 2025)
PointFlow: Geração de Nuvem de Pontos 3D com Fluxos de Normalização Contínuos
[ICML2024] Código oficial para GaussianPro: Espalhamento Gaussiano 3D com Propagação Progressiva
Instruct-NeRF2NeRF: Edição de Cenas 3D com Instruções (ICCV 2023)
Detecção de 21 pontos-chave da mão, pose de gesto bidimensional, reconhecimento de gesto, pytorch, handpose
Uma lista curada de DATASETS, CODEBASES e PAPERS sobre Multi-Task Learning (MTL), da perspectiva de Machine Learning.
[Versão estendida ICLR 2025 Blog Track] Anole: Modelos multimodais abertos, autoregressivos e nativos para geração de imagem-texto intercalada
Implementação oficial de "Lotus: Modelo de Fundação Visual Baseado em Difusão para Previsão Densa de Alta Qualidade"
LLVIP: Um Conjunto de Dados Pareado Visível-Infravermelho para Visão em Baixa Luminosidade
Este repositório contém os recursos (artigos, blogs, sites, etc.) que Ilya recomendou para aprender sobre Inteligência Artificial.
[CMU] Uma Estrutura Versátil e Modular Projetada para Veículos Aéreos Não Tripulados Autônomos [VANTs] (C++/ROS/PX4)
Fantástica coleção de recursos e artigos sobre Modelos de Difusão para Manipulação Robótica.
[NeurIPS 2025] 4KAgent: Qualquer Imagem para Super-Resolução 4K. Um agente inteligente de visão computacional que pode restaurar magicamente qualquer imagem para um 4K perfeito!